论文阅读-自动程序修复-Automated Repair of Programs from Large Language Models

一 文章主旨：

研究了Codex自动生成的程序中的错误，并探讨了现有的程序修复（APR）工具以及新发布的Codex-e是否能够修复由大型语言模型生成的有缺陷的程序（Codex-e作为APR工具的潜力）。

现在基于大语言模型，输入自然语言，生成代码的应用非常普遍。但是生成的代码正确率很低，因为这些模型缺乏对任务描述和程序语义的深入理解。文章以GPT-3模型的后代-Codex模型，为例，试图利用自动化程序修复（APR）技术来修复Codex产生的代码错误。

自动化修复技术接受一个有缺陷的程序和一个正确性规范，通过稍稍修改程序使其满足给定的规范来生成一个固定的程序。典型的修复工具通过推理程序语义与给定的规范来生成补丁。例如，基于语义的修复工具（如SemFix、Angelix）通过使用符号执行和基于搜索的修复工具（如Gen-Prog、TBar）在预定义的补丁中搜索正确的补丁。

二 本文贡献：

（1）自动生成的代码与人工编写的解决方案存在相同的编程错误，表明自动化程序修复技术有潜力修复自动生成的代码。

（2）发现新发布的Codex编辑模式在修复错误解决方案方面与现有的Java修复工具TBar和Recoder相似或更好。

（3）作者提出了几点建议：包括增强自动化程序修复工具的修补空间、将重点从添加更多修复模式转向综合/语义为基础的方法，研究将语言模型与自动化程序修复相结合的可能性。

本文实验方向：

作者使用公共测试用例来指导修复，并使用私有测试用例来验证修复结果。

本文探讨了两个方向来修复语言模型生成的代码的错误

1.现有的APR技术（TBar和Recoder）

2.研究探讨了使用Codex-e作为自动化程序修复工具的可能性。

「利用OpenAI最近发布的Codex编辑模式（这个新功能可以使现有的